[发明专利]一种基于用户组的多反馈协同过滤推荐方法在审
| 申请号： | 201611130603.9 | 申请日： | 2016-12-09 |
| 公开（公告）号： | CN106777051A | 公开（公告）日： | 2017-05-31 |
| 发明（设计）人： | 张刚;周宇红;胡恒;段志杰;陈格;刘魁 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06Q50/00;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 400065 *** | 国省代码： | 重庆;85 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于用户组的多反馈协同过滤推荐方法，涉及推荐系统领域及机器学习领域。该方法的包括如下步骤步骤一对用户‑物品的互动数据进行预处理，使用余弦相似度计算用户间的距离；步骤二融合距离矩阵，使用K‑Medoids算法分类并得到k个簇；步骤三在每个簇内单独运行BPR MF算法得到个性化排名，再根据KNN算法生成top‑N推荐。本发明提供的基于用户组的多反馈协同过滤推荐算法融合了多种用户的反馈数据，包括用户的显性反馈，如评分数据，还包括用户的隐性反馈，如用户浏览数据等。相比与传统的协同过滤推荐算法只考虑到了单一的用户反馈，本文的推荐算法能够更好的缓解数据稀疏性问题，并采用基于学习的贝叶斯个性化推荐算法，通过梯度下降来学习BPR，能够很好的提高推荐系统的准确度。 | ||
| 搜索关键词： | 一种 基于 用户组 反馈 协同 过滤 推荐 方法 | ||
【主权项】：
一种基于用户组的多反馈协同过滤推荐方法，其特征在于：包括以下步骤：步骤一：对用户‑物品的互动数据进行预处理，使用余弦相似度计算用户间的距离；步骤二：融合距离矩阵，使用K‑Medoids算法分类并得到k个簇；步骤三：在每个簇内单独的运行BPR MF算法，得到个性化推荐列表。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆邮电大学，未经重庆邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611130603.9/，转载请声明来源钻瓜专利网。
